基于多目标遗传算法的LoRa参数匹配优化

发布时间：2021-10-25 20:17

　　从工程应用角度出发,需要LoRa无线传输系统兼备系统功耗低、传输距离短、系统稳定性好的特点,优化设计匹配参数是提高LoRa传输性能的重要途径。以LoRa无线通信的能耗最低、最远传输距离最大以及系统的鲁棒性最强为优化目标,以SF、BW、CR等参数的有效取值为约束条件,采用线性加权的方法将多目标优化问题转换为单目标问题,求出最优解。仿真和实际测试结果表明,遗传算法应用于LoRa的参数匹配具有可行性和有效性。 

【文章来源】：计算机工程与科学. 2020,42(03)北大核心CSCD

【文章页数】：7 页

【部分图文】：

LoRa数据包结构

遗传算法(Genetic Algorithm)是借鉴生物界的优胜劣汰、适者生存的遗传机制演化而来的一种全局化的随机概率搜索算法。它是在20世纪70年代由美国Michigan大学的Holland教授及其学生和同事首先提出的,从代表问题可能存在的解集的某个种群开始,解集的每个种群都是由数个个体经过基因编码组成,而每1个编码的个体对应的是染色体带有特征的实体[6]。染色体或个体作为遗传物质基因的主要载体,是由多个基因组成的集合,决定了某些特征的外部表现。因此,首先需要将表现型映射到基因型即进行编码,这样就将解空间信息映射到了编码空间,每个解对应1个编码;初代种群产生之后,按照自然环境中的适者生存、优胜劣汰的选择机制,逐代演化出越来越接近的解。在演化的每1代中,根据问题域中每个个体的适应度大小选择不同的个体,并借助遗传算子进行个体的组合交叉和变异,从而产生出代表新的解集的种群。这个求解过程与自然界的进化过程相似,后代的种群更加能够适应于当前环境,最后1代种群中的最优个体通过解码操作,可以作为问题的最优解[7]。利用遗传算法求解问题的流程如图2所示,其具体步骤为:(1)根据实际问题描述建立数学模型,确定决策变量以及约束条件。

1个染色体的二进制串

【参考文献】：
期刊论文
[1]基于遗传算法与方案优选的多目标优化模型求解方法[J]. 单宝英,郭萍,张帆,郭珊珊.  中国农业大学学报. 2019(06)
[2]基于遗传算法的永磁同步电机自抗扰控制[J]. 姜伟,胡小英,郑颖,裘信国,汪洋.  浙江工业大学学报. 2019(04)
[3]LoRa物联网技术的调制解调[J]. 吴进,赵新亮,赵隽.  计算机工程与设计. 2019(03)
[4]新兴物联网技术——LoRa[J]. 王阳,温向明,路兆铭,程刚,潘奇.  信息通信技术. 2017(01)

硕士论文
[1]基于遗传算法的MVB网络实时性算法研究[D]. 郑曼.长春工业大学 2019
[2]基于LoRa通信的城市路灯智能控制系统的研究[D]. 张坤.山东大学 2018
[3]基于多种群遗传算法的高速列车节能操纵研究[D]. 韩京.北京交通大学 2018



本文编号：3458096